Платформа управления данными

Платформа управления данными ( DMP ) — это программная платформа, используемая для сбора и управления данными . DMP позволяют компаниям идентифицировать сегменты аудитории , которые можно использовать для таргетинга на конкретных пользователей и контексты в рекламных кампаниях в Интернете. Они могут использовать большие данные и алгоритмы искусственного интеллекта для обработки и анализа больших наборов данных о пользователях из различных источников. ^[1] Преимущества использования DMP включают организацию данных, более глубокое понимание аудитории и рынков, а также более эффективное составление рекламного бюджета. ^[2] С другой стороны, DMP часто приходится сталкиваться с проблемами конфиденциальности из-за интеграции стороннего программного обеспечения с личными данными. Эта технология постоянно разрабатывается такими глобальными организациями, как Nielsen и Oracle . ^[3]

В более общем смысле термин «платформа данных» может относиться к любой программной платформе, используемой для сбора и управления данными . Это интегрированное решение, которое с 2010-х годов может сочетать в себе функции, например, озера данных , хранилища данных или концентратора данных для целей бизнес-аналитики . ^[4] Однако в этой статье обсуждается использование таких технологических платформ, используемых для сбора и управления данными, специально для целей цифрового маркетинга.

Характеристики

Цель

DMP — это любой вид программного обеспечения, которое управляет сбором, хранением и организацией данных, чтобы маркетологи, издатели и другие предприятия могли извлечь из него полезную информацию. Сохраняемые данные могут включать информацию о клиентах, демографические данные , а также мобильные идентификаторы или идентификаторы файлов cookie , которые DMP будет анализировать, чтобы позволить компаниям создавать сегменты таргетинга для рекламы. DMP могут помочь брендам узнать больше о своих клиентских сегментах, чтобы разработать стратегии приобретения и увеличить продажи. Они также позволяют предприятиям оценивать эффективность своих рекламных кампаний. ^[5]

История

Языки программирования первого и второго поколения.

В 1950-х годах управление данными стало проблемой для компаний, поскольку компьютеры не справлялись с вычислениями быстро и требовали большого количества труда для получения результатов. Компании начали с хранения своих данных на складах. Ранние программы были написаны в двоичном и десятичном формате , и это было известно как абсолютный машинный язык , который позже был назван языком программирования первого поколения. ^[6]

После этого язык ассемблера появился , который стал известен как языки программирования второго поколения. Этот символический машинный код стал популярным среди программистов, поскольку они могли использовать буквы алфавита для кодирования. Это привело к меньшему количеству ошибок в программах и улучшению читаемости кода. ^[6]

Языки высокого уровня

На протяжении 1960-х и 1970-х годов, по мере того, как технологии продолжали развиваться, а программисты все больше общались с компьютерами, языки программирования первого и второго поколения превратились в языки высокого уровня (HLL). Эти языки известны тем, что их легко читает человек, и они важны для того, чтобы позволить написать общую программу, которая не зависит от типа используемого компьютера. HLL был известен тем, что уделял особое внимание управлению памятью и данными, и многие языки, появившиеся в эту эпоху (например, COBOL , C и C++ ), до сих пор широко используются. ^[6]

Онлайн-управление данными и базами данных

Вскоре онлайн-транзакции стали важной частью многих отраслей. Это стало возможным благодаря онлайн- системам управления данными . Эти системы могут быстро анализировать информацию и позволяют программам читать, обновлять и отправлять информацию пользователю.

В 1970-х годах Эдгар Ф. Кодд разработал простой в изучении язык структурированных запросов ( SQL ) с английскими командами. Этот язык имел дело с реляционными базами данных , улучшал обработку данных и уменьшал дублирование данных. Эта реляционная модель позволяла быстро обрабатывать большие объемы данных и улучшала параллельную обработку , клиент-серверные вычисления и графические пользовательские интерфейсы , а также позволяла одновременно взаимодействовать нескольким пользователям. ^[6]

Чтобы справиться с обработкой и исследованием больших данных, NoSQL появился . Самая большая сила NoSQL — это его способность хранить огромные объемы данных. NoSQL появился в 1998 году, однако после 2005 года его популярность среди разработчиков выросла. ^[6]

Облако и искусственный интеллект

В настоящее время управление данными перенесено из локального хранилища в облако . В конце 1990-х и начале 2000-х годов Salesforce и Amazon популяризировали концепцию интернет-сервисов, которая понравилась клиентам, поскольку позволила сократить внутренние затраты на обслуживание и повысить гибкость в изменении потребностей бизнеса. С ростом распространенности искусственного интеллекта (ИИ) теперь стало проще, чем когда-либо, хранить и сортировать огромные наборы данных. Именно в эту эпоху DMP приобрели известность, поскольку астрономические объемы пользовательских данных в мире теперь могут быть обработаны и представлены компаниям в маркетинговых целях. ^[6]

Конвейер данных

DMP сначала начинают со сбора необработанных данных. Для этого требуется сбор данных из различных источников, таких как посещения веб-страниц и регистрационные формы, найденные в Интернете. Более того, доступные данные не ограничиваются компьютером, поскольку мобильные устройства, социальные сети и интеллектуальные устройства выступают в качестве постоянных источников необработанных данных. С технической точки зрения трекеры JavaScript и API используются для информирования сервера о том, что пользователь выполняет действие, которое должно быть записано и сохранено. ^[5]

После того как DMP соберет данные, он переходит к их обработке и интеграции. Сначала он очищает данные, отфильтровывая ненужные или пропущенные значения. Затем он использует алгоритмы машинного обучения, чтобы находить закономерности среди групп пользователей и организовывать их в широком масштабе. Это помогает создать 360-градусное представление о клиентах, что, в свою очередь, помогает интегрировать типы данных первых, вторых и третьих сторон в одну базу данных. ^[5]

Далее следует этап управления данными. Здесь DMP помогает своим клиентам (то есть другим компаниям, стремящимся использовать свои пользовательские данные) в создании профилей пользователей. Профили пользователей — это сегменты конкретных демографических данных клиентов, которые призваны помочь визуализировать закономерности и тенденции в отрасли. Они также полезны для того, чтобы пролить свет на неизведанные рыночные возможности. ^[5]

Последним этапом этого процесса является этап активации. После того как все данные собраны, обработаны, правильно организованы и сегментированы, они используются на рынке через серверы или DSP . Отсюда рекламодатели используют другие сторонние сервисы для доступа к DMP и предоставления целевого контента целевой аудитории. ^[5]

Функциональные возможности

DMP используются для профилирования , анализа и таргетинга онлайн-клиентов в цифровом маркетинге . Они работают по следующим направлениям:

Таргетинг рекламы — создание сегментов аудитории и таргетинг на конкретных пользователей с помощью персонализированных рекламных кампаний, например показ рекламы автомобилей пользователям, которые проявляют интерес к покупке нового автомобиля. ^[7]
Профилирование пользователей — представление реальных людей с использованием наборов данных о пользовательской информации, такой как потребности, интересы и поведение. Профили можно создавать вручную или с помощью алгоритмов машинного обучения, которые автоматически анализируют и профилируют пользователей Интернета. ^[8]
Look-alike моделирование – выявление новых клиентов, которые ведут себя аналогично текущим клиентам, для таргетированных рекламных кампаний. ^[5]
Бизнес-аналитика — получение новой информации о клиентах и услугах посредством анализа данных, а также дополнение существующих CRM- систем дополнительными внешними данными, такими как атрибуты пользователей или их взаимодействие с онлайн-продуктами. ^[5]
Рекомендации по контенту и продуктам — использование рекомендаций DMP для разработки персонализированного опыта для всех пользователей. ^[7]
Монетизация или продажа данных — продажа данных DMP для получения дополнительного дохода. ^[1]
Обогащение аудитории — анализ и знакомство с аудиторией с помощью аналитики DMP, чтобы узнать ее конкретные потребности.
Расширяйте свою клиентскую базу: открывайте новый сегмент клиентов с помощью аналитики DMP и повышайте узнаваемость и лояльность к бренду. ^[5]

Преимущества и недостатки

Преимущества

Использование платформы управления данными дает шесть основных преимуществ: сбор данных в одном месте, использование сторонних данных для открытия новых рынков, получение информации об аудитории, создание полного представления о клиентах, таргетинг на вашу аудиторию и эффективное планирование расходов на маркетинг. ^[2]

Недостатки

Платформы управления данными в значительной степени полагаются на технологию Cookie для определения поведения. Недавние действия Apple, а теперь и Google, направлены на блокировку сторонних рекламных файлов cookie, что ставит под угрозу ценностное предложение платформы управления данными.

Более того, внедрение такой платформы может быть затруднено в текущей среде организации. Это связано с тем, что технология агрегирования данных сложна и требует правильных технических знаний для реализации.

Еще одной проблемой, вызывающей беспокойство, является качество импортированных данных: если они будут низкого качества, DMP не сможет предоставить значимые результаты. ^[2]

Право собственности на собранные данные и проблемы конфиденциальности

В целом существует три основных типа данных:

Первичные данные – данные, собранные и принадлежащие самой компании. Например, данные веб-сайта, данные мобильных приложений и данные CRM.
Данные 2-й стороны – данные, собранные в результате корпоративного сотрудничества. Сюда входят данные онлайн-кампаний и о пути клиента . данные
Данные третьих лиц – данные, предоставленные поставщиками данных, которые доступны для покупки на рынке. ^[6]

Существует также три основных типа данных, собираемых DMP:

Наблюдаемые данные – цифровой след интернет-пользователей, то есть история поиска или тип используемого веб-браузера.
Предполагаемые данные – выводы, основанные на поведении пользователя в Интернете.
Заявленные данные — данные, явно предоставленные пользователями, такие как онлайн-формы или регистрации в приложениях. ^[1]

DMP полезны, помогая цифровым маркетологам находить новую аудиторию на основе сторонних данных. Хотя это так, Общий регламент по защите данных (GDPR) затрудняет DMP получение сторонних данных. Раньше DMP обрабатывали сторонние данные с помощью файлов cookie , и действующие законы не требовали согласия пользователя на сбор таких данных. Однако теперь GDPR требует, чтобы личные данные, включая данные, собранные с помощью файлов cookie, могли использоваться только с согласия пользователя. В будущем это означает, что компаниям станет сложнее собирать данные третьих лиц, а у DMP появятся более серьезные юридические обязательства. В результате будущие DMP могут в большей степени полагаться на данные первой и второй стороны. ^[6]

Ссылки

^ Перейти обратно: ^а ^б ^с Леви, Хизер (28 июля 2015 г.). «Как работает платформа управления данными?» . Гартнер . Проверено 30 октября 2019 г.
^ Перейти обратно: ^а ^б ^с Матушевска, Каролина (31 августа 2018 г.). «Платформы сбора данных: плюсы и минусы DMP, CDP, DW и CRM» . Пивик ПРО . Проверено 30 октября 2019 г.
^ «Платформа управления данными» . Nielsen Nederland – Нильсен (на люксембургском языке) . Проверено 30 октября 2019 г.
^ Хранилище данных, озеро данных, хаб данных или платформа данных?
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час Головань, Евгений (26 ноября 2018 г.). «Что такое платформа управления данными, как она работает и почему она действительно нужна вашему бизнесу» . Середина . Проверено 30 октября 2019 г.
^ Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час Фут, Кейт Д. (20 марта 2018 г.). «Краткая история управления данными» . ДАННЫЕ . Проверено 30 октября 2019 г.
^ Перейти обратно: ^а ^б Эльмелиги, Хазем; Ли, Инань; Ци, Ян; Уилмот, Питер; У, Минси; Колай, Сантану; Дасдан, Али; Чен, Сонгтинг (2013). «Обзор платформы управления данными Turn для цифровой рекламы». Учеб. ВЛДБ Эндоу . 6 (11): 1138–1149. CiteSeerX 10.1.1.474.8635 . дои : 10.14778/2536222.2536238 . ISSN 2150-8097 .
^ Батт, Махмуд (07 мая 2018 г.). «Почему и как использовать платформу управления данными» . Мартех-консультант . Проверено 30 октября 2019 г.

[Levy_2015-1] Перейти обратно: ^а ^б ^с Леви, Хизер (28 июля 2015 г.). «Как работает платформа управления данными?» . Гартнер . Проверено 30 октября 2019 г.

[Matuszewska_2018-2] Перейти обратно: ^а ^б ^с Матушевска, Каролина (31 августа 2018 г.). «Платформы сбора данных: плюсы и минусы DMP, CDP, DW и CRM» . Пивик ПРО . Проверено 30 октября 2019 г.

[Nielsen_Nederland_–_Nielsen-3] «Платформа управления данными» . Nielsen Nederland – Нильсен (на люксембургском языке) . Проверено 30 октября 2019 г.

[timextender1-4] Хранилище данных, озеро данных, хаб данных или платформа данных?

[Golovan_2018-5] Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час Головань, Евгений (26 ноября 2018 г.). «Что такое платформа управления данными, как она работает и почему она действительно нужна вашему бизнесу» . Середина . Проверено 30 октября 2019 г.

[Foote_2018-6] Перейти обратно: ^а ^б ^с ^д ^и ^ж ^г ^час Фут, Кейт Д. (20 марта 2018 г.). «Краткая история управления данными» . ДАННЫЕ . Проверено 30 октября 2019 г.

[:0-7] Перейти обратно: ^а ^б Эльмелиги, Хазем; Ли, Инань; Ци, Ян; Уилмот, Питер; У, Минси; Колай, Сантану; Дасдан, Али; Чен, Сонгтинг (2013). «Обзор платформы управления данными Turn для цифровой рекламы». Учеб. ВЛДБ Эндоу . 6 (11): 1138–1149. CiteSeerX 10.1.1.474.8635 . дои : 10.14778/2536222.2536238 . ISSN 2150-8097 .

[Butt_2018-8] Батт, Махмуд (07 мая 2018 г.). «Почему и как использовать платформу управления данными» . Мартех-консультант . Проверено 30 октября 2019 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]